[发明专利]一种组合导航滤波方法

说明书

本发明公开了一种组合导航滤波方法，包括以下步骤：步骤1、针对非线性环境，建立组合导航模型，包括组合导航系统的状态方程及量测方程：步骤2、运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波，所述改进的强跟踪UKF算法基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子τ_k；再结合渐消因子τ_k更新增益矩阵K_k，状态向量估计值和协方差矩阵P_k。本发明能提高组合导航系统在非线性环境下的滤波稳定性和鲁棒性。

技术领域

本发明主要涉及导航技术领域，具体涉及一种组合导航滤波方法。

背景技术

单一的导航技术都有各自的优缺点，单独使用一种导航技术难以满足用户与日俱增的导航需求。在此基础上，组合导航应运而生。在组合导航领域，滤波算法一直作为一个核心技术被国内外广大学者研究探索，其中强跟踪UKF(STUKF)算法提高了UKF(UnscentedKalman filter,无迹卡尔曼滤波)算法的滤波跟踪性能，提高了组合导航系统对于突变状态的实时跟踪能力，但现有的强跟踪UKF算法计算比较复杂，滤波稳定性较差，导致组合导航定位精度较低。

发明内容

本发明所要解决的技术问题是，针对现有技术的不足，提供一种组合导航滤波方法，提高组合导航系统在非线性环境下的滤波稳定性和鲁棒性。

本发明所提供的技术方案为：

一种组合导航滤波方法，包括以下步骤：

步骤1、针对非线性环境，建立建立组合导航模型，包括组合导航系统的状态方程及量测方程，其中状态函数和量测函数均为非线性函数；

步骤2、运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波(估计)；其中改进的强跟踪UKF算法基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子τ_k；再结合渐消因子τ_k更新增益矩阵K_k，状态向量的估计值和协方差矩阵P_k。

进一步地，所述步骤2中，渐消因子τ_k计算公式如下：

其中，V_k为输出残差序列Δ_k/k-1的协方差矩阵，输出残差序列其中z_k为组合导航系统的量测向量，为量测向量的估计值；Φ_k/k-1和H_k分别为非线性状态函数和量测函数的雅克比矩阵，tr[]为矩阵的迹，R_k为量测噪声的正定方差矩阵；τ_0,k为中间变量。

有益效果：

本发明运用改进的跟踪UKF算法对相对于现有的组合导航滤波算法，具有更强的非线性性；将渐消因子作用于预测协方差矩阵，提高了强跟踪滤波的稳定性，在高动态的复杂环境中，组合滤波表现优异；基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子，进一步提高了估计精度。

附图说明

图1为本发明一实施例提供的组合导航滤波方法的流程示意图

具体实施方式

以下结合附图和具体实施方式对本发明进行进一步具体说明。

本实施例提供一种组合导航滤波方法，包括以下步骤：

步骤1、针对非线性环境，建立如下组合导航模型，包括组合导航系统的状态方程及量测方程：

x_k+1＝f(x_k,w_k)